3895 articles
Cette analyse bibliométrique de près de 3 millions d'articles biomédicaux en accès libre révèle une augmentation significative après 2022 de la terminologie associée aux LLM, indiquant une adoption rapide des outils d'IA générative et soulignant le besoin urgent de transparence et de méthodes de détection pour préserver l'intégrité scientifique.
Cet article propose un cadre d'édition de chemin sensible à la classification et ciblé sur le DSIS, basé sur la Théorie de l'Onde de Réseau, qui optimise les routes multi-sauts sans fil en substituant, insérant ou supprimant stratégiquement des relais afin de minimiser l'espacement d'interférence et d'améliorer le débit ou le délai tout en respectant des contraintes strictes de ressources et de structure.
Cette étude propose un cadre multimodal explicable qui intègre diverses données comportementales et psychologiques avec un mécanisme de double attention et XGBoost pour prédire dynamiquement les risques d'addiction aux courtes vidéos chez les adolescents ainsi que leurs impacts négatifs sur le sommeil, les études, les émotions et l'adaptation sociale.
Cette étude utilise des données d'enquête à grande échelle provenant de chercheurs chinois pour étendre la Théorie unifiée de l'acceptation et de l'utilisation de la technologie grâce à l'apprentissage automatique, identifiant trois profils d'utilisateurs de l'IA générative distincts — « Explorateurs pionniers », « Utilisateurs pragmatiques en mode coping » et « Utilisateurs aliénés » — qui révèlent comment le statut académique, les pressions institutionnelles et les préoccupations éthiques façonnent des modèles d'adoption divergents dans le contexte de l'IA pour la science.
Cette étude démontre que les rumeurs et les non-rumeurs présentent des structures de propagation précoce distinctes, caractérisées par des cavités topologiques mésoscopiques plus fortes et des comportements de fusion de clusters divergents, qui peuvent être identifiés efficacement à l'aide de l'homologie persistante sur des nuages de points 3D pour améliorer la précision de la prédiction.
Cet article propose un cadre de diagnostic de pannes hybride pour les réseaux de distribution qui intègre un auto-encodeur convolutionnel multi-échelle à seuil dynamique avec un algorithme des K plus proches voisins amélioré par la distance de Mahalanobis et une stratégie de seuil de score d'énergie dynamique afin de surmonter les défis de chevauchement de caractéristiques et de localiser avec précision les pannes de nœuds adjacents dans des environnements de bruit complexes.
Cet article introduit DA-GAT-CADS, un solveur basé sur l'apprentissage pour le problème du voyageur de commerce euclidien qui combine un encodeur de graphe de Delaunay ancré sur la géométrie avec un décodeur d'échantillonnage dynamique à contrôle par porte et adaptatif au contexte afin de équilibrer efficacement l'efficacité computationnelle et la qualité de la solution en équilibrant les priors structurels locaux avec une sélection de candidats non locaux dépendante de l'état.
Cette étude présente et valide un système expert flou de type 2 développé en Python qui exploite les connaissances d'experts pour diagnostiquer efficacement le cancer du sein et recommander des traitements, atteignant une précision élevée (98 %) et des mesures de performance robustes afin de traiter l'incertitude diagnostique et d'améliorer les soins aux patients dans les milieux à ressources limitées.
Cet article propose un nouveau cadre hybride combinant un réseau de neurones convolutifs temporels (TCN) avec un Transformer amélioré, doté d'une attention éparse segmentée et d'un méta-apprentissage basé sur MAML, afin de parvenir à une prédiction de la durée de vie résiduelle des roulements à billes qui soit précise, efficace sur le plan computationnel et robuste pour de petits échantillons sous des conditions de fonctionnement complexes.
Ce document propose Ultra-Fusion, un cadre de détection dynamique multimodal qui intègre un nouvel algorithme de cartographie d'empreintes RGB, un moteur hybride CNN-Mamba-Transformer et une branche statistique pour atteindre une précision de pointe et une généralisation robuste dans la classification des logiciels malveillants polymorphes et métamorphes.